CHARLS大爆发！南昌大学二院又发1区

小编早在一季度就提过，今年CHARLS数据库是开始极致卷的元年，二季度已经得到了验证！当前5月17号，2025年还未过半，CHARLS数据库发文量已经快超越2024年全年！更值得注意的是，越来哦越多的CHARLS研究发在中科院1区SCI，大家想做的，建议可以尽快开始了！今天给大家带来本月发在JAHA的一篇文章的解读，此研究由南昌大学第二附属医院团队完成。

⭕️研究背景

心血管疾病（CVD）是全球主要健康负担，但传统肌少症检测方法复杂且昂贵。本研究首次利用中国健康与养老追踪调查（CHARLS）数据，探索血清肌酐/胱抑素C比值（SI，肌少症指数）与CVD的关联，为简化风险预测提供新思路。

⭕️关键统计分析过程（详见图2、3）

双重分析设计：

横断面分析（2015年数据）：Logistic回归分析SI与CVD的横断面关联。

纵向分析（2015-2018年随访）：Cox比例风险模型评估SI对CVD的预测价值。

多变量调整模型：

逐步调整年龄、性别、BMI、生活方式（吸烟/饮酒）、慢性病（高血压/糖尿病）等混杂因素。

限制性立方样条（RCS）：

灵活展示SI与CVD风险的剂量-反应关系，验证线性趋势（P非线性>0.05）。

亚组与敏感性分析：

按年龄、性别、BMI分层，排除肌少症患者和缺失数据，结果稳健性高。

⭕️关键结果

低SI = 高CVD风险：SI最低四分位组（Q1）的CVD风险最高，Q4风险降低40%（HR=0.60, 95% CI 0.47-0.75）。

剂量-反应关系：SI每增加1个标准差，CVD风险降低18%（HR=0.82），中风风险降低26%。

亚组一致性：结果在老年、男性、超重人群中均显著，无交互作用（P>0.05）。

⭕️结论

SI作为肌少症的血清标志物，能有效预测中老年人群CVD风险，且检测简便、成本低，适合临床推广。

⭕️发文思维分享

选题创新性：抓住“肌少症”与“心血管疾病”交叉领域，填补中国人群数据空白

统计方法加分项：RCS曲线可视化剂量效应，Cox模型+多重插补处理缺失数据，增强结果可信度。

临床转化价值：强调SI的简便性，直击传统检测痛点，易引起审稿人兴趣。